计算机视觉学习-前期_计算机视觉实践前期准备

从一些文章中了解到当前做计算机视觉主要从两个方面切入：（1）从传统方图像处理的角度进行计算机视觉的研究；（2）基于深度学习的研究。后者涉及很多数学上的知识，推荐的书籍最多的是《深度学习》这本书，经过我粗略的浏览后，发现太多的数学知识点，加之对自身的考量（之前的机器学习就是先从知识点入手，结果还没入门已然放弃），所以不采取看书的方式入门。

有一篇文章提到研究计算机视觉需要了解和学习的开源软件主要有：opencv,caffe,tensorflow；推荐了一些文献：深度学习做目标检测，RCNN，Fast RCNN，Faster RCNN，SPPNET，SSD和YOLO等模型；深度学习做目标跟踪，DLT，SO-DLT等模型；还介绍了与计算机视觉有关的会议：ICCV：International Conference on Computer Vision，国际计算机视觉大会；CVPR：International Conference on Computer Vision and Pattern Recognition，国际计算机视觉与模式识别大会； ECCV：European Conference on Computer Vision，欧洲计算机视觉大会 ；除了顶会之外呢，还有顶刊。像 PAMI、IJCV，这些都是顶刊，它代表着这个领域里面最尖端最前沿以及当下的研究方向。我想从这些开源软件，从这些文章入手，先做一些例子，然自己有学习的动力。

以博客、GitHub上前人做的（无论是基础知识的学习，还是对于论文的分析、复现）作为学习的内容，还有阅读相关内容的论文和代码并自己实现，如上的学习方法不仅能使自己对于深度学习相关内容更加深刻，同时也会提升自己的编程语言能力。